Analyse et prévision de la consommation énergétique

Projet d'étude réalisé dans le cadre de la formation DataScientest / Mines Paris – PSL (2023–2024). Objectif : analyser et prévoir la consommation énergétique française à partir de données publiques.

Comprendre les dynamiques de la consommation énergétique française : quels facteurs l'influencent (température, saisonnalité), et comment la modéliser pour anticiper les évolutions.

Réalisation complète du projet d'étude : collecte et préparation des données, analyse exploratoire, modélisation et interprétation des résultats.

• Exploration de données énergétiques françaises
• Préparation et analyse de données publiques
• Étude des corrélations entre température, consommation et saisonnalité
• Comparaison de modèles de régression et de séries temporelles
• Utilisation de SARIMA et XGBoost
• Réalisation sous forme de notebooks Jupyter

• Notebooks Jupyter reproductibles (versions itératives)
• Analyse de corrélation (matrice, heatmap)
• Modélisation séries temporelles et régressions
• Données sources : RTE Eco2mix, Visual Crossing

Une analyse documentée des corrélations température / consommation et une comparaison de plusieurs approches de prévision, consultables dans le dépôt public. Les graphiques produits (évolution et saisonnalité de la consommation, corrélation température/consommation, comparaison valeurs réelles / prévisions, heatmaps) proviennent du projet d'étude.

Statut : projet d'étude terminé. Ce n'est ni un produit en production, ni une application déployée. Aucune métrique de performance n'est mise en avant : seuls les résultats reproductibles depuis les notebooks sont présentés.